Snowflake推出智能体平台新功能，助力企业用户与开发者

Snowflake正在对Snowflake Intelligence和Cortex Code进行全面升级，旨在打造一套统一的体验，将企业系统、数据源与AI模型和Snowflake数据相互连接。这是该公司”成为智能体企业控制平面”战略愿景的重要组成部分，目标是帮助企业将数据、工具和工作流与基于其平台构建的AI智能体有效整合。

此次更新中，Snowflake Intelligence将进化为面向业务用户的自适应个人工作智能体，而Cortex Code则拓展为企业AI的开发构建层，提供有监管、原生数据的开发环境。

Snowflake Intelligence的核心升级包括：支持通过自然语言描述来自动化日常任务、新增模型上下文协议（MCP）连接器，以及可重复使用的工件功能——用户可以保存并共享分析结果、可视化内容和工作流程，上述功能均将”即将”全面开放。此外，全新iOS移动应用程序，以及利用智能体架构进行多步骤跨数据推理的深度研究功能，也将于近期进入公开预览阶段。

Snowflake表示，上述更新均来源于用户反馈，以及上月发布的Project SnowWork（其数据云自主AI层预览版）所积累的洞察。

在Cortex Code方面，新版本支持更多外部数据源，包括AWS Glue、Databricks和Postgres，同时支持通过MCP和智能体通信协议（ACP）与其他AI智能体互联，还新增了Claude Code插件，以及支持Python和TypeScript的全新智能体软件开发套件。Snowflake的Web界面Snowsight中的Cortex Code也得到了增强，引入了Plan Mode（允许开发者预览和审批工作流）和Snap & Ask（支持与图表、表格等数据工件进行交互）功能。

此外，Snowflake还宣布在Snowsight中推出Cortex Code Sandboxes私有预览版——这是一个专属云端环境，开发者无需任何配置即可端到端执行代码。

Moor Insights & Strategy副总裁兼首席分析师Michael Leone认为，这份路线图”颇具雄心”，但也注意到大量功能仍标注为”即将推出”或处于公开预览状态。他指出：”几乎每家厂商都声称自己的智能体能够推理、行动并改变业务，相关公告开始变得千篇一律。但这次值得停下来细看的原因，至少对我而言，是Snowflake同时瞄准了企业的两类受众——Intelligence面向那些不想写SQL、只想要答案和行动的业务用户，而Cortex Code则是为真正负责将其落地生产的开发者而生。”

他表示，大多数厂商只选择其中一类目标用户，之后再回头覆盖另一类，而Snowflake将两者都建立在同一套有监管的数据基础之上。”这是一个更难解决的工程问题，但我认为这是对企业真正关切问题更清晰的回答——如何在不失去底层数据控制权的情况下，让更多人用上AI。”他还指出，Snowflake的思路已经从”在Snowflake内部完成一切”转变为：智能体AI只有与整个技术栈实现互操作，才能真正发挥价值。

Info-Tech Research Group顾问研究员Igor Ikonnikov也将”控制平面”战略视为行业趋势的一部分。他表示：”细节永远是关键，这些平台的构成方式，以及如何管控AI智能体，才是核心所在。大多数平台以传统方式构建，所有控制逻辑都写死在代码里。Snowflake谈到通过保存完整解决方案、复用完整模块或模型来实现可重用的分析能力，但这意味着通用语义仍然隐藏在数据库模型和代码之中。”

他认为，所有AI厂商都在响应同一市场需求：”从基于Copilot的通用聊天机器人，转向能够理解业务逻辑、并能相互协作的业务专用AI智能体。”就此次更新而言，他认为Snowflake已经追上了竞争对手，但尚未超越。

SanjMo首席顾问Sanjeev Mohan表示：”对客户来说，好消息是Snowflake现在支持Databricks和AWS Glue。这意味着即使数据存放在竞争对手的系统中，也可以使用Snowflake AI编程智能体。反过来，VS Code扩展和Claude Code插件也可以用于Snowflake数据。换言之，这有效降低了用户对厂商锁定的顾虑。”

Greyhound Research首席分析师Sanchit Vir Gogia认为，这也是正确的战略方向。他表示：”企业AI正在从生成，走向编排，再走向执行，而Snowflake以有监管的数据作为行动基础的做法，与这一演进方向高度契合。”

不过他也指出，要真正成为企业AI的执行层，仅靠集成智能体和扩展工具链还远远不够，还需要实现一致的语义体系、可靠的跨系统执行、强有力的治理机制、经济可行性，以及组织层面的准备度，同时还要克服一个结构性制约。”在不拥有工作执行系统所有权的情况下进行控制，会引入难以彻底解决的依赖关系。这是Snowflake战略中的核心张力，也将决定其影响力能延伸多远。Snowflake已经向这个方向迈出了有意义的一步，但尚未证明自己能够规模化地实现这一切。在现阶段，它是这场竞赛中最有竞争力的选手之一——这场竞赛的胜负，最终取决于谁能让AI在企业内部可靠地运转，而非谁能构建最聪明的AI。”

Q&A

Q1：Snowflake Intelligence具体能帮业务用户做什么？

A：Snowflake Intelligence定位为面向业务用户的自适应个人工作智能体，用户可以用自然语言描述日常任务来实现自动化，无需编写SQL代码。它还支持保存和共享分析结果、可视化内容及工作流程，并将推出iOS移动应用和多步骤深度推理功能，帮助用户跨数据源进行分析，大幅降低业务人员使用AI的门槛。

Q2：Cortex Code新版本新增了哪些重要功能？

A：Cortex Code新版本新增了对AWS Glue、Databricks和Postgres等外部数据源的支持，还支持通过MCP和ACP协议与其他AI智能体互联。同时推出了Claude Code插件、支持Python和TypeScript的智能体SDK，以及Snowsight界面中的Plan Mode（预览审批工作流）和Snap & Ask（与图表表格交互）功能，另外还有无需配置即可运行代码的Cortex Code Sandboxes云端环境。

Q3：Snowflake的智能体控制平面战略面临哪些挑战？

A：分析师指出，Snowflake要成为企业AI执行层，仅靠集成智能体和扩展工具还不够，还需要一致的语义体系、可靠的跨系统执行能力、强治理机制和经济可行性。核心挑战在于：Snowflake并不拥有实际执行工作的系统，这种”控制但不拥有”的结构会带来难以彻底解决的依赖性问题，将制约其影响力的扩展边界。